1.2.3　环境永远不确定

很多人认为“大数据”会极大地提高预测的准确性。事实上，“大数据”拯救不了我们。是的，“大数据”代表着技术的进步，但它一方面给我们带来了大量可供分析的信息和数字资源，另一方面也造成了不稳定的传播网络和媒体平台，改变了许多社会领域。在过去，我们缺乏数据，但事情相对容易预测。现在，我们有很多数据，但很多事情更加不可预测。

这是纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb）的故事，他是《反脆弱：从不确定性中获益》（Antifragile：Things That Gain from Disorder）一书的作者。假设你投胎来到地球成为一只火鸡，一个屠夫出现在你的生活中。你当然害怕他会杀了你，但屠夫很善良，给你带来了水和食物。第二天，你发现屠夫又来了，带来的还是水和食物。第三天呢？你可以计算出这种情况发生的概率。根据著名数学家皮埃尔-西蒙·拉普拉斯侯爵（Pierre-Simon marquis de Laplace）的“平滑定理”，火鸡可以计算概率：

如果同样的事情发生了n次，那么它再次发生的概率是（n+1）/（n+2）。在这个故事中，n是屠夫喂火鸡的天数。也就是说，在第一天之后，有2/3的概率屠夫会在第二天继续喂火鸡。第二天以后，概率增加到3/4，以此类推，屠夫杀火鸡的可能性越来越小。当火鸡几乎百分之百确定屠夫会送食物，并认为屠夫会一直养它时，灾难来了，因为感恩节到了。

人类对确定性的渴望根深蒂固。17世纪，德国哲学家戈特弗里德·威廉·莱布尼茨（Gottfried Wilhelm Leibniz）设想了一种数学或符号系统，可以代表所有的思想，并确定每个问题的最佳答案，从而结束所有的学术争论。如果有争论，一方可以平静地说：“让我们坐下来计算一下。”

心理学家已经对这种判断过程进行了许多有据可查和可复制的研究，他们的发现指出了预测中许多可能的错误和偏见来源，例如受试者不愿意寻找与他们假设相反的可能证据，不愿看到预测过程中的随机事件和模式。即使被告知他们的理论是错误的，那些以确认的预测形式得到反复强化的受试者也会相信他们的理论是正确的。在推理研究中，大量记录在案的案例显示：聪明的受试者仍然保持着自相矛盾，并用精心构建的合理化来捍卫他们的预测。当信念被坚定地拥护时，人们会回避与其相矛盾的证据，并在遇到这些证据时，试图否认或贬低这些证据。

事实上，伟大的莱布尼茨做不到。今天，我们仍然热衷于发明处理不确定性的方法，依赖标准的预测模型，而不是面对现实世界。事实上，不确定性、随机性并不都是消极的，如果你从不犯错，你发现和学到的东西要少很多。